Muse Spark 1.2 es una actualización de Muse Spark 1.1 de Meta centrada en programación, con énfasis en comprensión multimodal y razonamiento visual. Las demostraciones del fabricante conectan imágenes y vídeo con productos digitales como páginas web y juegos, mientras que su tabla de modelos indica un contexto de 1,048,576 tokens y salida de texto. Esta entrada corresponde a Standard 1.2, distinto de Contributor 1.2 y del posterior 1.3.
Programación visual
La publicación describe la traducción de la disposición, la jerarquía y el estilo visuales a código funcional y la posterior inspección del producto resultante mediante herramientas. Para una tarea útil, aporta la imagen o el clip junto al comportamiento que se debe implementar. Una captura de pantalla puede mostrar la apariencia, pero dejar sin especificar las interacciones; por tanto, indica los controles, los estados y la respuesta esperada a las acciones del usuario que debe incluir el resultado.
Pide por separado la estructura visible, la implementación propuesta y los supuestos. Por ejemplo, una tarea de reconstrucción de una página puede exigir las secciones identificadas y las relaciones visuales mostradas en la referencia y después pedir el código de una interacción definida. Renderizar y probar ese código requiere el entorno conectado; la captura de pantalla resultante o la información de ejecución puede convertirse en entrada para la siguiente corrección.
El fabricante identifica comprensión de gráficos y razonamiento visual más allá de la generación de código. Conserva los ejes, las unidades y las etiquetas de un gráfico y pide la observación que respalda cada conclusión. Para un diagrama, identifica la relación que se debe explicar y las etiquetas de origen que se deben conservar. Para una imagen documental, distingue la transcripción de la redacción visible de un resumen o una interpretación.
Flujos espaciales y audiovisuales
El anuncio 1.2 también trata una variante especializada en robótica y un sistema de planificación y acción de dos niveles. Son componentes experimentales diferenciados: un modelo de alto nivel razona sobre la escena y las subtareas, mientras que una política independiente de visión, lenguaje y acción realiza las acciones de bajo nivel. El modelo Standard con salida textual no debe describirse como un actuador robótico simplemente porque la publicación de la familia contenga esa demostración.
Para la versión Standard, la tabla de modelos documenta texto, imágenes, vídeo, audio y PDF como entradas. Una tarea audiovisual puede pedir el suceso o la condición hablada pertinente para una pregunta y devolver un relato ordenado del material de apoyo. Identifica el segmento pertinente y la forma de la respuesta en lugar de pedir un resumen sin dirección de todas las modalidades.
Los ejemplos del fabricante combinan comprensión de vídeo, descripciones detalladas e inspección asistida por herramientas. Un flujo práctico puede comparar una demostración con su procedimiento escrito, pedir las coincidencias y diferencias visibles y preparar después un resultado textual para un paso posterior de la aplicación. La prosa generada, el código y los hallazgos estructurados son la salida documentada; la generación de imágenes o voz pertenece a componentes con nombres separados.
Ajustes de razonamiento y contexto
Muse Spark razona internamente antes de producir texto visible. Los niveles de esfuerzo documentados aplicables a 1.2 son minimal, low, medium, high y xhigh. Max pertenece a Standard 1.3 y none no es una forma admitida de desactivar el razonamiento. Cuando no se especifica esfuerzo, el modelo utiliza un nivel determinado por el propio modelo.
El contexto de 1,048,576 tokens puede conservar material de origen relacionado y conversación, pero el objetivo y el resultado final siguen necesitando una definición. Para una tarea documental extensa, identifica la pregunta, etiqueta cada fuente y conserva su ubicación junto a la información extraída. Los tokens de razonamiento y de respuesta visible comparten el presupuesto de salida, así que reserva suficiente espacio para la explicación o el código que necesita realmente la tarea.
El razonamiento interno sin procesar no se expone como texto ordinario. La interfaz de chat del fabricante tampoco traslada entre turnos una traza privada legible para quienes la invocan desde fuera; conserva los mensajes visibles, las fuentes y los resultados de herramientas devueltos necesarios para continuar. No se admiten probabilidades logarítmicas, por lo que el modelo no ofrece esa función como medida de confianza para sus conclusiones.
Herramientas y productos estructurados
La aplicación describe funciones del desarrollador, el modelo genera las llamadas y los argumentos propuestos, y la aplicación los ejecuta y devuelve el resultado de cada llamada. El modelo puede entonces examinar la información real recibida y elegir el siguiente paso. El énfasis de la publicación en examinar tanto las entradas visuales como los productos generados depende de que esas herramientas formen parte del entorno.
La salida estructurada puede restringir el texto a un esquema JSON definido. Un registro de extracción visual puede contener la imagen de origen, el objeto o etiqueta, el valor observado y la interpretación. Una revisión de código puede identificar el símbolo afectado, la discrepancia y el cambio propuesto. El modo estricto del fabricante exige una raíz de objeto simple, que todas las propiedades enumeradas sean obligatorias y que se desactiven las propiedades adicionales; se rechazan los esquemas recursivos.
Define la corrección del producto en términos prácticos: qué detalles de origen debe conservar, cómo debe comportarse una interacción y qué información devuelta establecería ese comportamiento. Las fuentes consultadas no proporcionan capacidades máximas independientes de entrada o de tokens de salida más allá del contexto del modelo. Conserva la edición Standard 1.2 y la diferencia entre un producto textual propuesto y el resultado de ejecución o renderizado utilizado para examinarlo.
", "aboutText": "Muse Spark 1.2 es una actualización de Muse Spark 1.1 de Meta centrada en programación, con énfasis en comprensión multimodal y razonamiento visual. Las demostraciones del fabricante conectan imágenes y vídeo con productos digitales como páginas web y juegos, mientras que su tabla de modelos indica un contexto de 1,048,576 tokens y salida de texto. Esta entrada corresponde a Standard 1.2, distinto de Contributor 1.2 y del posterior 1.3.\n\nProgramación visual\n\nLa publicación describe la traducción de la disposición, la jerarquía y el estilo visuales a código funcional y la posterior inspección del producto resultante mediante herramientas. Para una tarea útil, aporta la imagen o el clip junto al comportamiento que se debe implementar. Una captura de pantalla puede mostrar la apariencia, pero dejar sin especificar las interacciones; por tanto, indica los controles, los estados y la respuesta esperada a las acciones del usuario que debe incluir el resultado.\n\nPide por separado la estructura visible, la implementación propuesta y los supuestos. Por ejemplo, una tarea de reconstrucción de una página puede exigir las secciones identificadas y las relaciones visuales mostradas en la referencia y después pedir el código de una interacción definida. Renderizar y probar ese código requiere el entorno conectado; la captura de pantalla resultante o la información de ejecución puede convertirse en entrada para la siguiente corrección.\n\nEl fabricante identifica comprensión de gráficos y razonamiento visual más allá de la generación de código. Conserva los ejes, las unidades y las etiquetas de un gráfico y pide la observación que respalda cada conclusión. Para un diagrama, identifica la relación que se debe explicar y las etiquetas de origen que se deben conservar. Para una imagen documental, distingue la transcripción de la redacción visible de un resumen o una interpretación.\n\nFlujos espaciales y audiovisuales\n\nEl anuncio 1.2 también trata una variante especializada en robótica y un sistema de planificación y acción de dos niveles. Son componentes experimentales diferenciados: un modelo de alto nivel razona sobre la escena y las subtareas, mientras que una política independiente de visión, lenguaje y acción realiza las acciones de bajo nivel. El modelo Standard con salida textual no debe describirse como un actuador robótico simplemente porque la publicación de la familia contenga esa demostración.\n\nPara la versión Standard, la tabla de modelos documenta texto, imágenes, vídeo, audio y PDF como entradas. Una tarea audiovisual puede pedir el suceso o la condición hablada pertinente para una pregunta y devolver un relato ordenado del material de apoyo. Identifica el segmento pertinente y la forma de la respuesta en lugar de pedir un resumen sin dirección de todas las modalidades.\n\nLos ejemplos del fabricante combinan comprensión de vídeo, descripciones detalladas e inspección asistida por herramientas. Un flujo práctico puede comparar una demostración con su procedimiento escrito, pedir las coincidencias y diferencias visibles y preparar después un resultado textual para un paso posterior de la aplicación. La prosa generada, el código y los hallazgos estructurados son la salida documentada; la generación de imágenes o voz pertenece a componentes con nombres separados.\n\nAjustes de razonamiento y contexto\n\nMuse Spark razona internamente antes de producir texto visible. Los niveles de esfuerzo documentados aplicables a 1.2 son minimal, low, medium, high y xhigh. Max pertenece a Standard 1.3 y none no es una forma admitida de desactivar el razonamiento. Cuando no se especifica esfuerzo, el modelo utiliza un nivel determinado por el propio modelo.\n\nEl contexto de 1,048,576 tokens puede conservar material de origen relacionado y conversación, pero el objetivo y el resultado final siguen necesitando una definición. Para una tarea documental extensa, identifica la pregunta, etiqueta cada fuente y conserva su ubicación junto a la información extraída. Los tokens de razonamiento y de respuesta visible comparten el presupuesto de salida, así que reserva suficiente espacio para la explicación o el código que necesita realmente la tarea.\n\nEl razonamiento interno sin procesar no se expone como texto ordinario. La interfaz de chat del fabricante tampoco traslada entre turnos una traza privada legible para quienes la invocan desde fuera; conserva los mensajes visibles, las fuentes y los resultados de herramientas devueltos necesarios para continuar. No se admiten probabilidades logarítmicas, por lo que el modelo no ofrece esa función como medida de confianza para sus conclusiones.\n\nHerramientas y productos estructurados\n\nLa aplicación describe funciones del desarrollador, el modelo genera las llamadas y los argumentos propuestos, y la aplicación los ejecuta y devuelve el resultado de cada llamada. El modelo puede entonces examinar la información real recibida y elegir el siguiente paso. El énfasis de la publicación en examinar tanto las entradas visuales como los productos generados depende de que esas herramientas formen parte del entorno.\n\nLa salida estructurada puede restringir el texto a un esquema JSON definido. Un registro de extracción visual puede contener la imagen de origen, el objeto o etiqueta, el valor observado y la interpretación. Una revisión de código puede identificar el símbolo afectado, la discrepancia y el cambio propuesto. El modo estricto del fabricante exige una raíz de objeto simple, que todas las propiedades enumeradas sean obligatorias y que se desactiven las propiedades adicionales; se rechazan los esquemas recursivos.\n\nDefine la corrección del producto en términos prácticos: qué detalles de origen debe conservar, cómo debe comportarse una interacción y qué información devuelta establecería ese comportamiento. Las fuentes consultadas no proporcionan capacidades máximas independientes de entrada o de tokens de salida más allá del contexto del modelo. Conserva la edición Standard 1.2 y la diferencia entre un producto textual propuesto y el resultado de ejecución o renderizado utilizado para examinarlo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Implement a specified responsive layout\n\nDraft semantic HTML and CSS for a product comparison section with a title, introduction and three feature columns. At narrow widths, stack the columns in the same reading order. Each column needs a heading and three bullet points. Use the placeholder copy supplied in your code and explain the breakpoint choice; return source only, without claiming a rendered result.A bounded HTML/CSS section and a short explanation of stacking behavior and reading order.At the proposed narrow breakpoint, the DOM order and visual order match and no horizontal overflow is introduced.meta/muse-spark-1.2Muse Spark 1.2 es el modelo de razonamiento multimodal de Meta centrado en programación visual, gráficos y comprensión audiovisual. Puede convertir imágenes o vídeo aportados en propuestas de código web y de juegos mediante herramientas conectadas, con salida de texto y un contexto de 1,048,576 tokens indicado por el fabricante.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Muse Spark 1.2 es una actualización de Muse Spark 1.1 de Meta centrada en programación, con énfasis en comprensión multimodal y razonamiento visual. Las demostraciones del fabricante conectan imágenes y vídeo con productos digitales como páginas web y juegos, mientras que su tabla de modelos indica un contexto de 1,048,576 tokens y salida de texto. Esta entrada corresponde a Standard 1.2, distinto de Contributor 1.2 y del posterior 1.3.
Programación visual
La publicación describe la traducción de la disposición, la jerarquía y el estilo visuales a código funcional y la posterior inspección del producto resultante mediante herramientas. Para una tarea útil, aporta la imagen o el clip junto al comportamiento que se debe implementar. Una captura de pantalla puede mostrar la apariencia, pero dejar sin especificar las interacciones; por tanto, indica los controles, los estados y la respuesta esperada a las acciones del usuario que debe incluir el resultado.
Pide por separado la estructura visible, la implementación propuesta y los supuestos. Por ejemplo, una tarea de reconstrucción de una página puede exigir las secciones identificadas y las relaciones visuales mostradas en la referencia y después pedir el código de una interacción definida. Renderizar y probar ese código requiere el entorno conectado; la captura de pantalla resultante o la información de ejecución puede convertirse en entrada para la siguiente corrección.
El fabricante identifica comprensión de gráficos y razonamiento visual más allá de la generación de código. Conserva los ejes, las unidades y las etiquetas de un gráfico y pide la observación que respalda cada conclusión. Para un diagrama, identifica la relación que se debe explicar y las etiquetas de origen que se deben conservar. Para una imagen documental, distingue la transcripción de la redacción visible de un resumen o una interpretación.
Flujos espaciales y audiovisuales
El anuncio 1.2 también trata una variante especializada en robótica y un sistema de planificación y acción de dos niveles. Son componentes experimentales diferenciados: un modelo de alto nivel razona sobre la escena y las subtareas, mientras que una política independiente de visión, lenguaje y acción realiza las acciones de bajo nivel. El modelo Standard con salida textual no debe describirse como un actuador robótico simplemente porque la publicación de la familia contenga esa demostración.
Para la versión Standard, la tabla de modelos documenta texto, imágenes, vídeo, audio y PDF como entradas. Una tarea audiovisual puede pedir el suceso o la condición hablada pertinente para una pregunta y devolver un relato ordenado del material de apoyo. Identifica el segmento pertinente y la forma de la respuesta en lugar de pedir un resumen sin dirección de todas las modalidades.
Los ejemplos del fabricante combinan comprensión de vídeo, descripciones detalladas e inspección asistida por herramientas. Un flujo práctico puede comparar una demostración con su procedimiento escrito, pedir las coincidencias y diferencias visibles y preparar después un resultado textual para un paso posterior de la aplicación. La prosa generada, el código y los hallazgos estructurados son la salida documentada; la generación de imágenes o voz pertenece a componentes con nombres separados.
Ajustes de razonamiento y contexto
Muse Spark razona internamente antes de producir texto visible. Los niveles de esfuerzo documentados aplicables a 1.2 son minimal, low, medium, high y xhigh. Max pertenece a Standard 1.3 y none no es una forma admitida de desactivar el razonamiento. Cuando no se especifica esfuerzo, el modelo utiliza un nivel determinado por el propio modelo.
El contexto de 1,048,576 tokens puede conservar material de origen relacionado y conversación, pero el objetivo y el resultado final siguen necesitando una definición. Para una tarea documental extensa, identifica la pregunta, etiqueta cada fuente y conserva su ubicación junto a la información extraída. Los tokens de razonamiento y de respuesta visible comparten el presupuesto de salida, así que reserva suficiente espacio para la explicación o el código que necesita realmente la tarea.
El razonamiento interno sin procesar no se expone como texto ordinario. La interfaz de chat del fabricante tampoco traslada entre turnos una traza privada legible para quienes la invocan desde fuera; conserva los mensajes visibles, las fuentes y los resultados de herramientas devueltos necesarios para continuar. No se admiten probabilidades logarítmicas, por lo que el modelo no ofrece esa función como medida de confianza para sus conclusiones.
Herramientas y productos estructurados
La aplicación describe funciones del desarrollador, el modelo genera las llamadas y los argumentos propuestos, y la aplicación los ejecuta y devuelve el resultado de cada llamada. El modelo puede entonces examinar la información real recibida y elegir el siguiente paso. El énfasis de la publicación en examinar tanto las entradas visuales como los productos generados depende de que esas herramientas formen parte del entorno.
La salida estructurada puede restringir el texto a un esquema JSON definido. Un registro de extracción visual puede contener la imagen de origen, el objeto o etiqueta, el valor observado y la interpretación. Una revisión de código puede identificar el símbolo afectado, la discrepancia y el cambio propuesto. El modo estricto del fabricante exige una raíz de objeto simple, que todas las propiedades enumeradas sean obligatorias y que se desactiven las propiedades adicionales; se rechazan los esquemas recursivos.
Define la corrección del producto en términos prácticos: qué detalles de origen debe conservar, cómo debe comportarse una interacción y qué información devuelta establecería ese comportamiento. Las fuentes consultadas no proporcionan capacidades máximas independientes de entrada o de tokens de salida más allá del contexto del modelo. Conserva la edición Standard 1.2 y la diferencia entre un producto textual propuesto y el resultado de ejecución o renderizado utilizado para examinarlo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites meta/muse-spark-1.2 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0025 / 1K tokens Salida · Tokens de salida $0.0085 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0025 / 1K tokens Salida · Tokens de salida $0.0085 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "meta/muse-spark-1.2", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='meta/muse-spark-1.2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='meta/muse-spark-1.2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra meta/muse-spark-1.2
Usa las rutas de método indicadas arriba.
meta/muse-spark-1.2Muse Spark 1.2 es el modelo de razonamiento multimodal de Meta centrado en programación visual, gráficos y comprensión audiovisual. Puede convertir imágenes o vídeo aportados en propuestas de código web y de juegos mediante herramientas conectadas, con salida de texto y un contexto de 1,048,576 tokens indicado por el fabricante.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Muse Spark 1.2 es una actualización de Muse Spark 1.1 de Meta centrada en programación, con énfasis en comprensión multimodal y razonamiento visual. Las demostraciones del fabricante conectan imágenes y vídeo con productos digitales como páginas web y juegos, mientras que su tabla de modelos indica un contexto de 1,048,576 tokens y salida de texto. Esta entrada corresponde a Standard 1.2, distinto de Contributor 1.2 y del posterior 1.3.
Programación visual
La publicación describe la traducción de la disposición, la jerarquía y el estilo visuales a código funcional y la posterior inspección del producto resultante mediante herramientas. Para una tarea útil, aporta la imagen o el clip junto al comportamiento que se debe implementar. Una captura de pantalla puede mostrar la apariencia, pero dejar sin especificar las interacciones; por tanto, indica los controles, los estados y la respuesta esperada a las acciones del usuario que debe incluir el resultado.
Pide por separado la estructura visible, la implementación propuesta y los supuestos. Por ejemplo, una tarea de reconstrucción de una página puede exigir las secciones identificadas y las relaciones visuales mostradas en la referencia y después pedir el código de una interacción definida. Renderizar y probar ese código requiere el entorno conectado; la captura de pantalla resultante o la información de ejecución puede convertirse en entrada para la siguiente corrección.
El fabricante identifica comprensión de gráficos y razonamiento visual más allá de la generación de código. Conserva los ejes, las unidades y las etiquetas de un gráfico y pide la observación que respalda cada conclusión. Para un diagrama, identifica la relación que se debe explicar y las etiquetas de origen que se deben conservar. Para una imagen documental, distingue la transcripción de la redacción visible de un resumen o una interpretación.
Flujos espaciales y audiovisuales
El anuncio 1.2 también trata una variante especializada en robótica y un sistema de planificación y acción de dos niveles. Son componentes experimentales diferenciados: un modelo de alto nivel razona sobre la escena y las subtareas, mientras que una política independiente de visión, lenguaje y acción realiza las acciones de bajo nivel. El modelo Standard con salida textual no debe describirse como un actuador robótico simplemente porque la publicación de la familia contenga esa demostración.
Para la versión Standard, la tabla de modelos documenta texto, imágenes, vídeo, audio y PDF como entradas. Una tarea audiovisual puede pedir el suceso o la condición hablada pertinente para una pregunta y devolver un relato ordenado del material de apoyo. Identifica el segmento pertinente y la forma de la respuesta en lugar de pedir un resumen sin dirección de todas las modalidades.
Los ejemplos del fabricante combinan comprensión de vídeo, descripciones detalladas e inspección asistida por herramientas. Un flujo práctico puede comparar una demostración con su procedimiento escrito, pedir las coincidencias y diferencias visibles y preparar después un resultado textual para un paso posterior de la aplicación. La prosa generada, el código y los hallazgos estructurados son la salida documentada; la generación de imágenes o voz pertenece a componentes con nombres separados.
Ajustes de razonamiento y contexto
Muse Spark razona internamente antes de producir texto visible. Los niveles de esfuerzo documentados aplicables a 1.2 son minimal, low, medium, high y xhigh. Max pertenece a Standard 1.3 y none no es una forma admitida de desactivar el razonamiento. Cuando no se especifica esfuerzo, el modelo utiliza un nivel determinado por el propio modelo.
El contexto de 1,048,576 tokens puede conservar material de origen relacionado y conversación, pero el objetivo y el resultado final siguen necesitando una definición. Para una tarea documental extensa, identifica la pregunta, etiqueta cada fuente y conserva su ubicación junto a la información extraída. Los tokens de razonamiento y de respuesta visible comparten el presupuesto de salida, así que reserva suficiente espacio para la explicación o el código que necesita realmente la tarea.
El razonamiento interno sin procesar no se expone como texto ordinario. La interfaz de chat del fabricante tampoco traslada entre turnos una traza privada legible para quienes la invocan desde fuera; conserva los mensajes visibles, las fuentes y los resultados de herramientas devueltos necesarios para continuar. No se admiten probabilidades logarítmicas, por lo que el modelo no ofrece esa función como medida de confianza para sus conclusiones.
Herramientas y productos estructurados
La aplicación describe funciones del desarrollador, el modelo genera las llamadas y los argumentos propuestos, y la aplicación los ejecuta y devuelve el resultado de cada llamada. El modelo puede entonces examinar la información real recibida y elegir el siguiente paso. El énfasis de la publicación en examinar tanto las entradas visuales como los productos generados depende de que esas herramientas formen parte del entorno.
La salida estructurada puede restringir el texto a un esquema JSON definido. Un registro de extracción visual puede contener la imagen de origen, el objeto o etiqueta, el valor observado y la interpretación. Una revisión de código puede identificar el símbolo afectado, la discrepancia y el cambio propuesto. El modo estricto del fabricante exige una raíz de objeto simple, que todas las propiedades enumeradas sean obligatorias y que se desactiven las propiedades adicionales; se rechazan los esquemas recursivos.
Define la corrección del producto en términos prácticos: qué detalles de origen debe conservar, cómo debe comportarse una interacción y qué información devuelta establecería ese comportamiento. Las fuentes consultadas no proporcionan capacidades máximas independientes de entrada o de tokens de salida más allá del contexto del modelo. Conserva la edición Standard 1.2 y la diferencia entre un producto textual propuesto y el resultado de ejecución o renderizado utilizado para examinarlo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites meta/muse-spark-1.2 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0025 / 1K tokens Salida · Tokens de salida $0.0085 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0025 / 1K tokens Salida · Tokens de salida $0.0085 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "meta/muse-spark-1.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra meta/muse-spark-1.2
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Implement a specified responsive layout\n\nDraft semantic HTML and CSS for a product comparison section with a title, introduction and three feature columns. At narrow widths, stack the columns in the same reading order. Each column needs a heading and three bullet points. Use the placeholder copy supplied in your code and explain the breakpoint choice; return source only, without claiming a rendered result.A bounded HTML/CSS section and a short explanation of stacking behavior and reading order.At the proposed narrow breakpoint, the DOM order and visual order match and no horizontal overflow is introduced.